Посмотреть на ai.google.dev | Запустить в Google Colab | Посмотреть исходный код на GitHub |
Это быстрая демонстрация выполнения вывода Gemma в PyTorch. Для получения более подробной информации посетите репозиторий официальной реализации PyTorch на Github здесь .
Обратите внимание, что :
- Бесплатная среда выполнения Colab CPU Python и среда выполнения T4 GPU Python достаточны для запуска моделей Gemma 2B и квантованных моделей 7B int8.
- Дополнительные варианты использования других графических процессоров или TPU см. в README.md в официальном репозитории.
Доступ к Кагглу
Чтобы войти в Kaggle, вы можете либо сохранить файл учетных данных kaggle.json
в ~/.kaggle/kaggle.json
, либо запустить следующее в среде Colab. Дополнительную информацию см. в документации пакета kagglehub
.
import kagglehub
kagglehub.login()
Установить зависимости
pip install -q -U torch immutabledict sentencepiece
Скачать вес модели
# Choose variant and machine type
VARIANT = '2b-it'
MACHINE_TYPE = 'cuda'
import os
# Load model weights
weights_dir = kagglehub.model_download(f'google/gemma/pyTorch/{VARIANT}')
# Ensure that the tokenizer is present
tokenizer_path = os.path.join(weights_dir, 'tokenizer.model')
assert os.path.isfile(tokenizer_path), 'Tokenizer not found!'
# Ensure that the checkpoint is present
ckpt_path = os.path.join(weights_dir, f'gemma-{VARIANT}.ckpt')
assert os.path.isfile(ckpt_path), 'PyTorch checkpoint not found!'
Скачать реализацию модели
# NOTE: The "installation" is just cloning the repo.
git clone https://github.com/google/gemma_pytorch.git
import sys
sys.path.append('gemma_pytorch')
from gemma_pytorch.gemma.config import get_config_for_7b, get_config_for_2b
from gemma_pytorch.gemma.model import GemmaForCausalLM
Настройка модели
import torch
# Set up model config.
model_config = get_config_for_2b() if "2b" in VARIANT else get_config_for_7b()
model_config.tokenizer = tokenizer_path
model_config.quant = 'quant' in VARIANT
# Instantiate the model and load the weights.
torch.set_default_dtype(model_config.get_dtype())
device = torch.device(MACHINE_TYPE)
model = GemmaForCausalLM(model_config)
model.load_weights(ckpt_path)
model = model.to(device).eval()
Выполнить вывод
Ниже приведены примеры генерации в режиме чата и генерации с несколькими запросами.
Модели Gemma, настроенные с помощью инструкций, были обучены с помощью специального форматтера, который аннотирует примеры настройки инструкций дополнительной информацией как во время обучения, так и в процессе вывода. Аннотации (1) обозначают роли в разговоре, а (2) обозначают повороты в разговоре. Ниже мы показываем пример фрагмента кода для форматирования приглашения модели с использованием шаблонов чата пользователя и модели в многоходовом разговоре. Соответствующие токены:
-
user
: очередь пользователя -
model
: поворот модели -
<start_of_turn>
: начало хода диалога. -
<end_of_turn>
: конец хода диалога.
О форматировании Gemma для настройки инструкций и системных инструкциях читайте здесь .
# Generate with one request in chat mode
# Chat templates
USER_CHAT_TEMPLATE = '<start_of_turn>user\n{prompt}<end_of_turn>\n'
MODEL_CHAT_TEMPLATE = '<start_of_turn>model\n{prompt}<end_of_turn>\n'
# Sample formatted prompt
prompt = (
USER_CHAT_TEMPLATE.format(
prompt='What is a good place for travel in the US?'
)
+ MODEL_CHAT_TEMPLATE.format(prompt='California.')
+ USER_CHAT_TEMPLATE.format(prompt='What can I do in California?')
+ '<start_of_turn>model\n'
)
print('Chat prompt:\n', prompt)
model.generate(
USER_CHAT_TEMPLATE.format(prompt=prompt),
device=device,
output_len=100,
)
Chat prompt: <start_of_turn>user What is a good place for travel in the US?<end_of_turn> <start_of_turn>model California.<end_of_turn> <start_of_turn>user What can I do in California?<end_of_turn> <start_of_turn>model "* **Visit the Golden Gate Bridge and Alcatraz Island in San Francisco.**\n* **Head to Yosemite National Park and marvel at nature's beauty.**\n* **Explore the bustling metropolis of Los Angeles.**\n* **Relax on the pristine beaches of Santa Monica or Malibu.**\n* **Go whale watching in Monterey Bay.**\n* **Discover the charming coastal towns of Monterey Bay and Carmel-by-the-Sea.**\n* **Visit Disneyland and Disney California Adventure in Anaheim.**\n*"
# Generate sample
model.generate(
'Write a poem about an llm writing a poem.',
device=device,
output_len=60,
)
['\n\nThe fingers dance on the keys,\nA symphony of thoughts and dreams.\nThe mind, a canvas yet uncouth,\nScribbling its secrets in the night.\n\nThe ink, a whispered voice from deep,\nA language ancient, never to sleep.\nEach stroke an echo of']
Узнать больше
Теперь, когда вы узнали, как использовать Gemma в Pytorch, вы можете изучить множество других возможностей Gemma в ai.google.dev/gemma . См. также другие связанные ресурсы: